Was ist generative KI? Einfach erklärt und selbst ausprobieren

Was generative KI bedeutet

„Generativ“ beschreibt das Erzeugen von Inhalten. Die technische NIST-Begriffsdefinition nennt synthetische Inhalte, die aus gelernten Strukturen abgeleitet werden. Gemeint ist keine automatische Bestätigung, dass diese Inhalte wahr oder für jede Verwendung geeignet sind.

Eine Suche kann dir ein vorhandenes Dokument zeigen. Eine generative Anwendung kann daraus oder aus anderen Eingaben einen neuen Entwurf formulieren. Manche Produkte verbinden beide Vorgänge. Dann musst du unterscheiden, was aus einer gefundenen Quelle stammt und was erst in der Antwort formuliert wurde.

Nicht jede KI arbeitet generativ. Ein System, das eine Nachricht als „wahrscheinlich unerwünscht“ einordnet, erfüllt zunächst eine Klassifikationsaufgabe. Ein Assistent, der eine neue Antwort schreibt, erzeugt Inhalt. Ein Produkt kann mehrere solcher Schritte enthalten.

Wie aus Training eine Antwort wird

Beim Training werden Modellparameter anhand von Daten angepasst. Beim späteren Einsatz verarbeitet das Modell eine Eingabe und erzeugt eine Ausgabe. Die Microsoft-Architekturübersicht trennt diese Vorgänge und ordnet zusätzliche Verfahren wie RAG ein.

Dein Auftrag und beigefügte Informationen gehören zunächst zum Kontext der aktuellen Bearbeitung. Wenn die nächste Antwort eine neue Information berücksichtigt, beweist das nicht, dass dadurch die Modellgewichte neu trainiert wurden. Ob und wofür ein Anbieter Nutzungsdaten später verwendet, ist eine separate Frage seines Produkts und seiner Einstellungen.

Bei Sprachmodellen wird Text in Verarbeitungseinheiten zerlegt. Du kannst Tokens bei Sprachmodellen verstehen, wenn du Kontextgrenzen oder Verbrauch näher einordnen möchtest. Für den ersten Textversuch musst du diese Details noch nicht selbst berechnen.

RAG ergänzt relevante gefundene Inhalte im Arbeitskontext. Das kann die Bearbeitung auf bestimmte Dokumente beziehen, macht die Antwort aber nicht automatisch richtig oder aktuell. Quelle, Fundstelle und Schlussfolgerung bleiben prüfbar zu halten.

Wo generative KI im Alltag vorkommt

Die IBM-Einführung und die AWS-Erklärung beschreiben verschiedene Inhaltstypen und Anwendungen. Daraus folgt kein allgemeiner Produktivitätsgewinn für deine Aufgabe. Ein schneller erster Entwurf kann viel Nacharbeit erfordern.

Wähle deshalb einen Fall, dessen Ausgangsmaterial du selbst verstehst. Eine unbekannte Fachfrage mit hohen Folgen ist ein schlechter erster Versuch: Du könntest eine falsche Antwort kaum erkennen.

Mit einer fiktiven Notiz selbst anfangen

Der folgende Fall ist vollständig erfunden. Er zeigt eine Aufgabe, deren Ergebnis sich ohne zusätzliches Fachwissen prüfen lässt. Verwende zum Üben keine echten privaten Teilnehmerdaten.

Fakten:
F1: Der offene Werkstattabend findet am 14. November um 18 Uhr statt.
F2: Ort ist Raum B.
F3: Teilnehmende bringen ein eigenes Notizbuch mit.
F4: Ob eine Gebühr anfällt, ist noch nicht bekannt.

Schreibe eine freundliche Einladung mit höchstens 60 Wörtern.
Nutze nur diese Fakten. Erfinde keinen Anmeldeweg, keinen Preis
und kein Jahr. Nenne danach die weiterhin offenen Angaben.

Manuell verfasste Referenz, keine beobachtete Modellantwort: „Am 14. November um 18 Uhr laden wir dich zum offenen Werkstattabend in Raum B ein. Bring bitte dein eigenes Notizbuch mit. Ob eine Gebühr anfällt, ist noch nicht bekannt.“

Jahr, Anmeldeweg und Gebührenhöhe sind damit weiterhin nicht bestätigt. Wenn du den Auftrag später selbst in einem geeigneten Assistenten ausprobierst, vergleiche die Antwort mit dem Faktenzettel. Ein anders formulierter Satz kann richtig sein. Eine freundlich ergänzte Behauptung über kostenlose Teilnahme wäre dagegen ein Fehler.

Den Entwurf Satz für Satz prüfen

Lies die Ausgabe zunächst ohne Stilbewertung. Markiere jede überprüfbare Aussage und suche ihre Grundlage. Die Frage lautet zuerst „Woher kommt das?“, erst danach „Klingt das gut?“.

Der gleiche Gedanke hilft bei größeren Recherchen. Dort musst du zusätzlich Aussagen und KI-Quellen prüfen. Ein vorhandener Link allein belegt noch nicht den zugehörigen Satz.

Verbessere nach der Faktenkontrolle gezielt einen Aspekt, etwa Länge oder Verständlichkeit. Formuliere dabei, was erhalten bleiben soll. Ein schönerer Ton repariert keine erfundene Zahl. Wenn das Ergebnis weiterhin unklar ist, verringere die Aufgabe oder bearbeite den betreffenden Teil selbst.

Den nächsten Lernschritt passend wählen

Den eigenen Faktenzettel samt Prüfblatt herunterladen. Er enthält eine manuelle Referenz und freie Beobachtungsfelder. Wir haben für diesen Artikel keinen echten Modellversuch ausgeführt und keine Trefferquote oder Zeitersparnis gemessen.

Wenn du weißt, welche Aufgabe du bearbeiten möchtest, kannst du KI-Tools nach der Aufgabe vergleichen. Beachte dabei Eingabeformate, Datenweg, Kosten und verfügbare Ausgaben. Ein Textassistent, ein Bildwerkzeug und eine lokale Laufzeit lösen unterschiedliche Teile einer Aufgabe.

Mit Erfahrung kannst du den Versuch erweitern: ein längerer Text, eine zusätzliche Quelldatei oder ein eng begrenzter wiederkehrender Ablauf. Behalte dieselbe Reihenfolge bei: Auftrag festlegen, notwendige Angaben bereitstellen, Entwurf erhalten und prüfen. Veröffentliche erst, wenn die für deinen Fall wesentlichen Aussagen geklärt sind.